Dataset Previews
First, initialize by adding tools and declare floating type
using GriddingMachine
using Plots
using Plots.PlotMeasures
ENV["GKSwstype"]="100";
FT = Float32;
predownload_artifact.(["GPP_MPI_v006_1X_8D", "GPP_VPM_v20_1X_8D",
"NPP_MODIS_1X_1Y", "canopy_height_20X_1Y",
"clumping_index_12X_1Y", "clumping_index_2X_1Y_PFT",
"land_mask_ERA5_4X_1Y", "leaf_area_index_4X_1M",
"leaf_chlorophyll_2X_7D", "leaf_traits_2X_1Y",
"river_maps_4X_1Y", "surface_data_2X_1Y",
"tree_density_12X_1Y"]);#=#=#
##O#- #
##O=# #
#=#=-# #
-#O#- # #
-=#=# # #
0.0%
0.1%
0.3%
0.9%
## 3.0%
######## 11.2%
############### 21.5%
###################### 31.8%
########################### 38.1%
################################# 46.1%
####################################### 54.3%
############################################ 61.2%
############################################# 62.7%
################################################## 69.9%
##################################################### 74.9%
######################################################### 80.0%
############################################################# 85.2%
################################################################# 90.3%
#################################################################### 95.4%
######################################################################## 100.0%
#=#=#
##O#- #
##O=# #
#=#=-# #
-#O#- # #
0.0%
0.1%
0.3%
1.0%
## 3.5%
###### 9.4%
########### 15.6%
################ 22.3%
##################### 29.5%
########################## 37.2%
################################ 45.3%
####################################### 54.2%
############################################## 63.9%
##################################################### 74.0%
############################################################ 84.4%
#################################################################### 94.6%
###################################################################### 97.8%
######################################################################## 100.0%
#=#=#
##O#- #
##O=# #
#=#=-# #
-#O#- # #
############# 18.5%
######################################################################## 100.0%
#=#=#
##O#- #
##O=# #
#=#=-# #
-#O#- # #
0.4%
# 1.8%
#### 5.6%
########### 15.7%
########################################## 58.4%
######################################################################## 100.0%
#=#=#
##O#- #
##O=# #
#=#=-# #
-#O#- # #
0.2%
### 4.8%
############# 18.6%
###################################################### 75.5%
######################################################################## 100.0%
#=#=#
##O#- #
##O=# #
#=#=-# #
-#O#- # #
# 2.0%
####### 10.1%
############## 20.7%
################################################### 72.2%
######################################################################## 100.0%
#=#=#
##O#- #
##O=# #
#=#=-# #
-#O#- # #
## 3.0%
####### 11.0%
##################### 30.5%
################################################################## 92.2%
######################################################################## 100.0%
#=#=#
##O#- #
##O=# #
#=#=-# #
-#O#- # #
0.2%
0.9%
## 3.0%
####### 10.2%
########################### 38.5%
############################################################## 87.0%
######################################################################## 100.0%
#=#=#
##O#- #
##O=# #
#=#=-# #
-#O#- # #
-=#=# # #
0.2%
0.9%
## 3.0%
###### 9.6%
######################### 35.0%
############################################################### 88.9%
######################################################################## 100.0%
#=#=#
##O#- #
##O=# #
#=#=-# #
-#O#- # #
1.0%
### 5.4%
########### 16.4%
######################################### 58.0%
######################################################################## 100.0%
#=#=#
##O#- #
##O=# #
#=#=-# #
-#O#- # #
0.1%
1.3%
### 4.7%
########### 16.3%
############################################# 62.9%
######################################################################## 100.0%
#=#=#
##O#- #
##O=# #
#=#=-# #
-#O#- # #
0.0%
0.1%
0.2%
0.8%
## 3.2%
#### 6.8%
####### 10.7%
########## 14.8%
############# 19.3%
################# 24.0%
#################### 28.6%
######################## 34.1%
########################### 37.9%
############################## 41.8%
################################ 45.5%
################################### 49.2%
##################################### 52.6%
######################################## 56.1%
########################################### 60.0%
############################################## 64.1%
################################################# 68.2%
#################################################### 72.5%
####################################################### 76.7%
########################################################## 81.0%
############################################################# 85.2%
################################################################ 89.7%
################################################################### 94.0%
###################################################################### 98.4%
######################################################################## 100.0%
#=#=#
##O#- #
##O=# #
#=#=-# #
-#O#- # #
0.1%
1.1%
## 3.2%
###### 9.6%
######################## 33.7%
######################################################################## 100.0%Then, define a function to plot the dataset
function preview_data(ds::GriddedDataset{FT}, ind::Int)
# preview data
return heatmap(view(ds.data,:,:,ind)',
origin="lower",
aspect_ratio=1,
xticks=[],
yticks=[],
c=:viridis,
size=(700,300),
framestyle=:none)
end
function preview_data(ds::GriddedDataset{FT}, ind::Int, clim::Tuple)
# preview data
return heatmap(view(ds.data,:,:,ind)',
origin="lower",
aspect_ratio=1,
xticks=[],
yticks=[],
c=:viridis,
clim=clim,
size=(700,300),
framestyle=:none)
endpreview_data (generic function with 2 methods)
Leaf level datasets
Leaf chlorophyll content
LCH_LUT = load_LUT(LeafChlorophyll{FT}());
mask_LUT!(LCH_LUT, FT[0,Inf]);
LCH_LUT = regrid_LUT(LCH_LUT, Int(size(LCH_LUT.data,2)/180));
anim = @animate for i ∈ 1:size(LCH_LUT.data,3)
preview_data(LCH_LUT, i, (0,80));
end
gif(anim, fps=5)
Leaf nitrogen content
LNC_LUT = load_LUT(LeafNitrogen{FT}());
mask_LUT!(LNC_LUT, FT[0,Inf]);
LNC_LUT = regrid_LUT(LNC_LUT, Int(size(LNC_LUT.data,2)/180));
preview_data(LNC_LUT, 1)Leaf phosphorus content
LPC_LUT = load_LUT(LeafPhosphorus{FT}());
mask_LUT!(LPC_LUT, FT[0,Inf]);
LPC_LUT = regrid_LUT(LPC_LUT, Int(size(LPC_LUT.data,2)/180));
preview_data(LPC_LUT, 1)Specific leaf area
SLA_LUT = load_LUT(LeafSLA{FT}());
mask_LUT!(SLA_LUT, FT[0,Inf]);
SLA_LUT = regrid_LUT(SLA_LUT, Int(size(SLA_LUT.data,2)/180));
preview_data(SLA_LUT, 1)Vcmax
VCM_LUT = load_LUT(VcmaxOptimalCiCa{FT}());
mask_LUT!(VCM_LUT, FT[0,Inf]);
VCM_LUT = regrid_LUT(VCM_LUT, Int(size(VCM_LUT.data,2)/180));
preview_data(VCM_LUT, 1)Stand level datasets
Canopy height
CHT_LUT = load_LUT(CanopyHeightGLAS{FT}());
mask_LUT!(CHT_LUT, FT[0,Inf]);
CHT_LUT = regrid_LUT(CHT_LUT, Int(size(CHT_LUT.data,2)/180));
preview_data(CHT_LUT, 1)Clumping index
# global clumping index
CLI_LUT = load_LUT(ClumpingIndexMODIS{FT}(), "12X", "1Y");
mask_LUT!(CLI_LUT, FT[0,1]);
CLI_LUT = regrid_LUT(CLI_LUT, Int(size(CLI_LUT.data,2)/180));
preview_data(CLI_LUT, 1, (0.4,1))# global clumping index per PFT
CLI_LUT = load_LUT(ClumpingIndexPFT{FT}());
mask_LUT!(CLI_LUT, FT[0,1]);
CLI_LUT = regrid_LUT(CLI_LUT, Int(size(CLI_LUT.data,2)/180));
anim = @animate for i ∈ 1:size(CLI_LUT.data,3)
preview_data(CLI_LUT, i, (0.4,1));
end
gif(anim, fps=1)
Gross primary productivity
# GPP MPI
anim = @animate for year ∈ 2001:2019, i ∈ 1:46
GPP_LUT = load_LUT(GPPMPIv006{FT}(), year, "1X", "8D");
mask_LUT!(GPP_LUT, FT[-100,Inf]);
preview_data(GPP_LUT, i, (0,10));
end
gif(anim, fps=20)